Jev는 무엇이 다른가: 글 생성 대신 선택·점수·예아니오 판단에 집중한 AI | DAKER 커뮤니티

AI를 떠올리면 보통 글을 쓰거나 코드를 만드는 모델부터 생각하게 됩니다. 그런데 이번에는 반대로, 길게 생성하지 않고 정해진 틀 안에서 빠르게 판단만 내리도록 설계된 모델이 소개됐습니다. 실시간 분류나 라우팅처럼 작은 결정을 많이 반복해야 하는 작업을 떠올리면 왜 이런 접근이 나왔는지 바로 감이 옵니다.

성공지식백과 채널의 극비개발 출시! 미친 속도 비용 신개념 AI Jev 등장.. ㄷㄷ은 타입세이프(TypeSafe)가 공개한 Jev를 데모와 함께 설명합니다. 아래 내용은 영상에서 언급한 사실만 추려, 읽기 쉽게 다시 정리한 것입니다.

Jev 결정형 AI —

Jev를 한 줄로 보면

Jev는 문장이나 코드를 생성하는 일반 LLM이 아니라, Choice·Score·Noul처럼 미리 정해진 타입 안에서 답을 내는 결정형 모델로 소개됩니다. 즉, 자유롭게 길게 쓰는 대신 선택지 중 하나를 고르거나, 점수를 매기거나, 예/아니오에 가까운 판단을 빠르게 반복하는 데 초점이 맞춰져 있습니다.

Jev는 생성보다 판단에 집중한 모델로, 정해진 스키마 안에서 빠르게 결정을 내리도록 설계됐습니다.

영상에서는 속도와 비용이 기존 AI 대비 크게 유리하다고 설명하고, 구조화된 출력의 형식 환각률을 0%라고 말합니다. 다만 형식이 맞는 것과 판단이 맞는 것은 다른 문제라는 점도 함께 짚습니다.

형식이 맞아도 판단 자체는 틀릴 수 있습니다.

누가 언제 공개했나

영상 기준으로 타입세이프가 9월 15일에 공개한 모델이며, 창업자로는 오픈AI에서 연구를 담당했던 디오고 알메이다(Diogo Almeida)가 언급됩니다. 설명의 핵심은 기존 모델처럼 길게 사고 과정을 늘어놓기보다, 미리 정한 스키마 안에서만 답을 내도록 만들었다는 점입니다.

세 가지 질문 타입

영상에서 소개하는 Jev의 질문 타입은 세 가지입니다. 각각의 역할이 분명해서, 어떤 문제를 맡길 수 있는지 비교적 쉽게 떠올릴 수 있습니다.

Choice

Choice는 주어진 선택지 가운데 하나를 고르는 방식입니다. 예시로는 지금 살지, 기다릴지 같은 선택이 제시됩니다.

Score

Score는 여러 후보에 점수를 매기는 방식입니다. 영상에서는 체스의 각 수마다 점수를 주는 예를 듭니다.

Noul

Noul은 예/아니오에 가까운 이진 판단입니다. 플래피 버드에서 지금 날갯짓을 할지 말지 같은 상황이 예시로 나옵니다.

응답에는 선택 결과뿐 아니라 확신도(confidence) 같은 값도 함께 제공된다고 설명합니다. 비트코인 데모에서 매수를 골랐지만 확신도가 11%로 나온 장면은, 모델이 고장 났다는 뜻이 아니라 상황이 애매하다는 신호로 해석해야 한다고 말합니다.

영상 속 데모에서 보여준 것

영상에서는 비트코인 2025년 1년치 시세를 다시 돌리며 매수·대기를 맡기는 시뮬레이션, 차선을 고르는 간단한 게임, 플래피 버드의 날갯짓 판단을 차례로 보여 줍니다. 초당 10번 이상 결정이 찍히는 모습으로 속도를 체감하게 한다는 점이 인상적으로 제시됩니다.

다만 비트코인 예시는 투자 권유가 아니며, 과거 데이터를 다시 실행한 데모라고 선을 긋습니다. 어떤 구간에서는 그냥 보유하는 편이 더 나았다는 설명도 함께 나옵니다.

어떤 작업에 맞고, 어떤 작업에는 맞지 않나

영상의 구분은 비교적 명확합니다. Jev는 분류, 라우팅, 점수 매기기, 예/아니오 선택처럼 구조가 정해진 판단 작업에 맞는 모델로 소개됩니다. 예를 들어 이메일을 어느 팀으로 보낼지, 긴급도를 어느 등급으로 둘지 같은 업무 라우팅이 대표적인 사례입니다.

지표 계산이나 후보 나열은 코드가 하고, 마지막 선택만 모델에 맡기는 분업이 핵심입니다.

반대로 문장 작성, 코드 생성, 요약처럼 기존 LLM이 잘하는 생성 작업에는 맞지 않다고 분명히 구분합니다. 즉, 모든 일을 한 모델에 몰아주기보다 사전 계산과 후보 생성은 코드가 맡고, 그다음 결정만 Jev에 넘기는 방식이 핵심이라는 설명입니다.

가격과 속도: 영상과 자료에서 언급한 수치

영상과 관련 자료에서 언급된 수치는 다음과 같습니다. 이 수치들은 타입세이프 측 자료를 바탕으로 소개된 내용입니다.

정리

Jev는 생성형 LLM을 대체하려는 모델이라기보다, 실시간으로 정해진 타입 안에서 판단을 반복해야 할 때 쓰라고 소개되는 모델입니다. 글을 잘 쓰는 AI와는 다른 방향의 도구라는 점이 핵심입니다. 속도와 비용에 대한 주장은 자료 수치인 만큼, 실제 적용 가능성은 직접 크레딧으로 시험해 보는 것이 좋습니다. 세부 화면과 코드 예시는 원본 영상에서 확인할 수 있습니다.

참고 자료

이런 결정형 모델이 실제 업무 자동화에서 생성형 모델보다 더 먼저 자리 잡을 수 있다고 보시는지 궁금합니다.